Análise Multivariada Aplicada à Contabilidade
|
|
- Herman Salvado
- 5 Há anos
- Visualizações:
Transcrição
1 Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes mbotelho@usp.br Turma: 2º /
2 Agenda Aula 3/15 Inferência Estatística: Testes de Hipóteses: Testes Paramétricos; Testes Não-Paramétricos. 2
3 Testes de Hipóteses Paramétricos 3
4 Teste t de Student para Hipóteses sobre Uma Média Populacional (µ) a partir de 1 Amostra Aleatória Para quando não se conhece a variância populacional e se tem como objetivo testar se uma média populacional assume ou não determinado valor O teste exige que a variável T tenha distribuição normal padrão 4
5 Teste t de Student para Hipóteses sobre Uma Média Populacional (µ) a partir de 1 Amostra Aleatória Procedimento para aplicação do teste 1. Fixar a hipótese nula (H 0 ) e a hipótese alternativa (H 1 ). Para um teste bilateral, a hipótese nula afirma que a amostra provém de uma população com uma média (µ = µ 0 ). A hipótese alternativa contesta a hipótese nula (µ µ 0 ) 2. Fixar o nível de significância α do teste 3. A distribuição amostral depende do tamanho de N 1. Se N 30, a variável teste escolhida será T com v = n 1 graus de liberdade 2. Se N > 30, escolher a distribuição normal padrão (teorema do limite central) 5
6 Teste t de Student para Hipóteses sobre Uma Média Populacional (µ) a partir de 1 Amostra Aleatória Procedimento para aplicação do teste 4. Para N 30, fixar a região crítica com a tabela da distribuição t de Student α /2 RA α/2 -t c µ t c t 6
7 Teste t de Student para Hipóteses sobre Uma Média Populacional (µ) a partir de 1 Amostra Aleatória Procedimento para aplicação do teste 5. O valor real da variável T depende do tamanho de N 1. Quando N 30 T = x μ 0 s 2 /n Com variância corrigida s 2 = n n 1 s2 7
8 Teste t de Student para Hipóteses sobre Uma Média Populacional (µ) a partir de 1 Amostra Aleatória Procedimento para aplicação do teste 5. O valor real da variável T depende do tamanho de N 2. Quando N > 30 T = x μ 0 s 2 /n 6. Conclusão: se o valor da estatística pertencer à região crítica, isto é, se T < t c ou T > t c, rejeita-se a hipótese nula. Se t c T t c, não se rejeita H 0 * O SPSS não considera o d.p. corrigido em N 30 8
9 Teste t de Student para Hipóteses sobre Uma Média Populacional (µ) a partir de 1 Amostra Aleatória Exemplo: testar a hipótese que o tempo médio de pintura de um caminhão é de 690 minutos. Amostra de 12 elementos (tempo de pintura em minutos). Considerar α = 1%. 9
10 Teste t de Student para Hipóteses sobre Uma Média Populacional (µ) a partir de 1 Amostra Aleatória Procedimento para aplicação do teste 1. Para um teste bilateral, a hipótese nula afirma que o tempo médio de pintura é 690 minutos (µ = 690). A hipótese alternativa contesta a hipótese nula (µ 690) 2. O nível de significância α = 1% 3. A distribuição amostral depende do tamanho de N 1. Como N 30, a variável teste escolhida será T com v = 12 1 graus de liberdade 10
11 Teste t de Student para Hipóteses sobre Uma Média Populacional (µ) a partir de 1 Amostra Aleatória Procedimento para aplicação do teste 4. Para N 30, fixar a região crítica com a tabela da distribuição t de Student α /2 RA α/2-3,106 µ 3,106 t 11
12 Teste t de Student para Hipóteses sobre Uma Média Populacional (µ) a partir de 1 Amostra Aleatória Procedimento para aplicação do teste 5. O valor real da variável T 1. Quando N 30 T = x μ 0 s/ n = 875, ,662/ 12 = 4, Conclusão: como o valor pertence à região crítica, isto é, T > 3,106, o teste rejeita à hipótese nula 12
13 Teste t de Student para Comparação de Duas Médias Populacionais a partir de 2 Amostras Aleatórias Independentes Testes se as médias de duas amostras aleatórias (X 1,..., X n, Y 1,..., Y n ) extraídas da mesma população são ou não significativamente diferentes As dias amostras têm distribuição normal com variâncias desconhecidas, porém, iguais T = x y (μ x μ y ) s 1 n x + 1 n y 13
14 Teste t de Student para Comparação de Duas Médias Populacionais a partir de 2 Amostras Aleatórias Independentes Em que s = n x 1 s x 2 + n y 1 s y 2 n x + n y 2 Quando as variâncias são homogêneas, o número de graus de liberdade é dado por v = n x + n y 2 14
15 Teste t de Student para Comparação de Duas Médias Populacionais a partir de 2 Amostras Aleatórias Independentes Se as variâncias não forem homogêneas, temos T = x y (μ x μ y ) s x 2 n x + s 2 y n y E o número de graus de liberdade 2 s x n + s 2 2 y x n y v = (s 2 x /n x ) 2 n x 1 + (s y 2 /n y ) 2 n y 1 15
16 Teste t de Student para Comparação de Duas Médias Populacionais a partir de 2 Amostras Aleatórias Independentes Procedimento para aplicação do teste 1. Fixar a hipótese nula (H 0 ) e a hipótese alternativa (H 1 ). A hipótese nula afirma que as médias populacionais são iguais (µ x = µ y ). A hipótese alternativa que as médias são diferentes (µ x µ y ) 2. Fixar o nível de significância α do teste 3. A variável teste escolhida é T 16
17 Teste t de Student para Comparação de Duas Médias Populacionais a partir de 2 Amostras Aleatórias Independentes Procedimento para aplicação do teste 4. Fixar a região crítica com a tabela da distribuição t de Student α /2 RA α/2 -t c µ t c t 17
18 Teste t de Student para Comparação de Duas Médias Populacionais a partir de 2 Amostras Aleatórias Independentes Procedimento para aplicação do teste 5. Calcular o valor real da variável T (caso sejam homogêneas ou heterogêneas) 6. Conclusão: se o valor da estatística pertencer à região crítica, isto é, se T < t c ou T > t c, rejeita-se a hipótese nula. Se t c T t c, não se rejeita H 0 18
19 Teste t de Student para Comparação de Duas Médias Populacionais a partir de 2 Amostras Aleatórias Independentes Exemplo: tempo médio de fabricação de dois produtos plásticos (X e Y) com tempos semelhantes (em minutos) de uma amostra com n = 10 19
20 Teste t de Student para Comparação de Duas Médias Populacionais a partir de 2 Amostras Aleatórias Independentes Procedimento para aplicação do teste 1. A hipótese nula afirma que as médias populacionais são iguais (µ X = µ Y ). A hipótese alternativa que as médias são diferentes (µ X µ Y ) 2. O nível de significância α = 10% 3. A variável teste escolhida é T 20
21 Teste t de Student para Comparação de Duas Médias Populacionais a partir de 2 Amostras Aleatórias Independentes Procedimento para aplicação do teste 4. De acordo com o teste de Levene, pode-se concluir que as variâncias são homogêneas. O número de gl é = 18. A região crítica é α /2 RA α/2-1,734 µ 1,734 t 21
22 Teste t de Student para Comparação de Duas Médias Populacionais a partir de 2 Amostras Aleatórias Independentes Procedimento para aplicação do teste 5. Calcular o valor real da variável T T = 21,2 26,7 = 3, , , Conclusão: como o valor da estatística pertence à região crítica, isto é, T < 1,734 concluímos que as médias populacionais são diferentes 22
23 Teste t de Student para Comparação de Duas Médias Populacionais a partir de 2 Amostras Aleatórias Relacionadas Verifica se as médias de duas amostras relacionadas, com distribuição normal, extraídas da mesma população, são ou não significativamente diferentes Pressupõe normalidade dos dados de cada amostra e exige que as variâncias de cada amostra sejam iguais entre si (homocedasticidade) 23
24 Teste t de Student para Comparação de Duas Médias Populacionais a partir de 2 Amostras Aleatórias Relacionadas Estatística Em que D = s D = T = D μ d s / n i=1 n n Di e D i = X i Y i n i=1 D i D 2 n 1 24
25 Teste t de Student para Comparação de Duas Médias Populacionais a partir de 2 Amostras Aleatórias Relacionadas Procedimento para aplicação do teste 1. Fixar a hipótese nula (H 0 ) e a hipótese alternativa (H 1 ). A hipótese nula afirma que as médias populacionais são iguais (µ x = µ y ). A hipótese alternativa que as médias são diferentes (µ x µ y ) 2. Fixar o nível de significância α do teste 3. A variável teste escolhida é T 25
26 Teste t de Student para Comparação de Duas Médias Populacionais a partir de 2 Amostras Aleatórias Relacionadas Procedimento para aplicação do teste 4. Fixar a região crítica com a tabela da distribuição t de Student α /2 RA α/2 -t c µ t c t 26
27 Teste t de Student para Comparação de Duas Médias Populacionais a partir de 2 Amostras Aleatórias Relacionadas Procedimento para aplicação do teste 5. Calcular o valor real da variável T (caso sejam homogêneas ou heterogêneas) 6. Conclusão: se o valor da estatística pertencer à região crítica, isto é, se T < t c ou T > t c, rejeita-se a hipótese nula. Se t c T t c, não se rejeita H 0 27
28 Teste t de Student para Comparação de Duas Médias Populacionais a partir de 2 Amostras Aleatórias Relacionadas Exemplo: um grupo de funcionários foi submetido a um treinamento, o objetivo é verificar o desempenho deles antes e depois do curso. Foram atribuídas notas de 1 a 10 antes e depois do treinamento. Amostra de 11 funcionários. Considere α = 5%. 28
29 Teste t de Student para Comparação de Duas Médias Populacionais a partir de 2 Amostras Aleatórias Relacionadas Procedimento para aplicação do teste 1. A hipótese nula afirma que as médias populacionais são iguais (µ x = µ y ). A hipótese alternativa que as médias são diferentes (µ x µ y ) 2. O nível de significância α = 5% 3. A variável teste escolhida é T 29
30 Teste t de Student para Comparação de Duas Médias Populacionais a partir de 2 Amostras Aleatórias Relacionadas Procedimento para aplicação do teste 4. Fixar a região crítica com a tabela da distribuição t de Student α /2 RA α/2-2,228 µ 2,228 t 30
31 Teste t de Student para Comparação de Duas Médias Populacionais a partir de 2 Amostras Aleatórias Relacionadas Procedimento para aplicação do teste 5. Calcular o valor real da variável T T = D μ d s / n = 0,836 1,783/ 11 = 1, Conclusão: como o valor da estatística não pertence à região crítica, isto é, 2,228 T 2,228, não se rejeita H 0. Não houve melhora com o treinamento. 31
32 ANOVA para Comparação de Médias de Mais de Duas Populações ANOVA (Analysis of Variance ou Análise de Variância) compara a média de duas ou mais populações, a partir da variabilidade da amostra Pressupõe que as amostras sejam independentes, que as populações possuam distribuição normal e que as variâncias das populações sejam iguais ANOVA de um fator ANOVA fatorial 32
33 ANOVA de um fator (One-Way ANOVA) Permite verificar o efeito de uma variável independente de natureza qualitativa (fator) em uma variável dependente de natureza quantitativa A hipótese consiste em testar se as médias das populações são iguais H 0 : μ 1 = μ 2 = = μ k H 1 : i,j : μ i μ j, i j 33
34 ANOVA de um fator (One-Way ANOVA) Amostra ou grupos k y 11 y y 1k y 21 y y 2k y n1 y n2... y nk n = não necessariamente iguais entre as amostras 34
35 ANOVA de um fator (One-Way ANOVA) Fonte de Variação Soma dos Quadrados Graus de Liberdade Quadrados Médios F Entre os Grupos SQF = n i y i y 2 k 1 QMF = SQF k 1 F = QMF QME Dentro dos Grupos SQE = y ij y i 2 N k QME = SQE N k Total SQT = y ij y 2 N 1 35
36 ANOVA de um fator (One-Way ANOVA) Procedimento para aplicação do teste 1. Fixar a hipótese nula (H 0 ) e a hipótese alternativa (H 1 ). A hipótese nula afirma que as médias populacionais são iguais (µ 1 = µ 2 =... = µ k ). A hipótese alternativa que as médias são diferentes (µ i µ j ) 2. Fixar o nível de significância α do teste 3. A variável teste escolhida é F 4. Fixar a região crítica da tabela F 5. Calcular o valor real de F 6. Conclusão: se o valor da estatística pertencer à região crítica, isto é, se F > F c, rejeita-se a hipótese nula. Se F F c, não se rejeita H 0 36
37 ANOVA de um fator (One-Way ANOVA) Exemplo: uma amostra de 24 produtos foi coletada para analisar a qualidade do leite de três fornecedores. Para tanto, avaliou-se a densidade do leite (relação entre massa e volume), que normalmente está entre e gramas por litro Verifique se há diferenças na qualidade do leite dos três fornecedores, a um nível de significância de 5% 37
38 ANOVA de um fator (One-Way ANOVA) k = 3 grupos N = 24 observações Média amostral = 1028,875 SQF = 9 (1033, ,875) 2 +7 (1025, ,875) 2 +8 (1030, ,875) 2 = 117,411 QMF = SQF k 1 = 117,411 = 58,
39 ANOVA de um fator (One-Way ANOVA) Cálculo da soma dos quadrados dos erros (SQE) Fornecedor Densidade y ij y i (y ij y i ) ,667 2, ,333 1, ,750 0,563 SQE 173,214 QME = SQE N k = 173, = 8,248 F = QMF QME = 58,705 8,248 = 7,117 39
40 ANOVA de um fator (One-Way ANOVA) Procedimento para aplicação do teste 1. A hipótese nula afirma que as médias populacionais são iguais (µ 1 = µ 2 =... = µ k ). A hipótese alternativa que as médias são diferentes (µ i µ j ) 2. O nível de significância α = 5% 3. A variável teste escolhida é F 4. Fixar a região crítica da tabela F é F 2,18,5% = 3,55 5. Calcular o valor real de F, calculado é 7, Conclusão: como o valor da estatística pertence à região crítica, isto é, se F > F c, rejeita-se a hipótese nula. Ou seja, há diferença na qualidade do fornecedor 40
41 ANOVA Fatorial Extensão da ANOVA de um fator (com os mesmos pressupostos), considerando dois ou mais fatores A variável dependente de natureza quantitativa é influenciada por mais de uma variável independente qualitativa (fator) A ANOVA fatorial também testa as possíveis interações entre os fatores, por meio do efeito resultante da combinação do nível i do fator A com o nível j do fator B 41
42 ANOVA Fatorial Exemplo: estudo sobre a venda de eletrodomésticos de um grupo de 15 lojas com objetivo de verificar a relação entre a venda de eletrodomésticos e a localização da loja, entre a venda de eletrodomésticos e o principal tipo de pagamento oferecido pela loja e entre a localização e o tipo de pagamento Localização: zona norte (1), zona lesta (2), zona oeste (3), centro (4) e zona sul (5) Tipos de pagamento: à vista (1), 30 dias (2), 60 dias (3) e mais de 60 dias (4) Considere α = 5% 42
43 ANOVA com mais de Dois Fatores Pode ser aplicada com três ou ais fatores O modelo se torna muito complexo, com efeito de múltiplas interações que pode confundir o efeito dos fatores 43
44 Testes de Hipóteses Não-Paramétricos 44
45 Testes não-paramétricos Vantagens Não exigem suposições numerosas ou restringentes em relação à distribuição dos dados (não-exigência normalidade) Tratam dados de natureza nominal e ordinal São mais apropriados para tratar amostras obtidas de várias populações diferentes Envolvem cálculos mais simples e, consequentemente, apresentam maior facilidade de aprendizado e aplicação 45
46 Testes não-paramétricos Desvantagens Tendem a perder informação, já que frequentemente os dados quantitativos são reduzidos a uma escala qualitativa Possuem menor eficiência. Os testes paramétricos têm maior probabilidade de rejeição da hipótese nula quando ela é realmente falsa Geralmente necessitam de uma amostra maior ou de maiores diferenças para que ocorra a rejeição da hipótese nula 46
47 Testes não-paramétricos Dimensão Nível de Mensuração Teste não-paramétrico Uma amostra Nominal Binomial Duas amostras emparelhadas Duas amostras independentes K amostras emparelhadas K amostras independentes Nominal Ordinal Ordinal Nominal Ordinal Ordinal Qui-quadrado Teste de McNemar Teste dos sinais Teste de Wilcoxon Teste de Mann-Whitney Q de Cochran Teste de Friedman Teste de Kruskal-Wallis 47
48 Testes para Uma Amostra Teste Binomial Teste Qui-quadrado 48
49 Teste Binomial Amostra independente em que a variável é binária ou dicotômica (sucesso ou fracasso) Compara as frequências observadas com as frequências esperadas em uma distribuição binomial Para grandes amostras (N > 20), a distribuição binomial se aproxima da distribuição normal padrão 49
50 Teste Binomial Exemplo: uma moeda será lançada 40 vezes, espera-se que não tenha vícios. A tabela apresenta os resultados obtidos. Teste a hipótese nula ao nível de significância de 5% Eventos Cara (1) Coroa (0) Total Frequência Proporção 0,4 0,6 1,0 50
51 Teste Binomial Procedimento para aplicação do teste 1. A hipótese nula é H 0 : p = ½, não existe diferença entra a probabilidade de cara (p) e coroa (q). A Hipótese alternativa é H 1 : p ½ 2. O nível de significância α = 5% 3. Como N > 20 e Np > 7, usar a tabela normal padrão 4. Fixar a região crítica da tabela Z é 1,96 5. Calcular o valor real de z z = N p Np 0,5 = Npq 40 0,4 40 0,5 0,5 40 0,5 0,5 = 1, Conclusão: como -1,96 z 1,96, não rejeitamos H 0. A moeda não é viciada 51
52 Teste Qui-quadrado Aplicado em uma amostra na qual a variável nominal assume duas ou mais categorias O teste compara as frequências observadas com as esperadas em cada categoria χ 2 (O i E i ) 2 = E i 52
53 Teste Qui-quadrado Exemplo: um dado é lançado 120 vezes. Teste a hipótese de que o dado não é viciado. A tabela apresenta os resultados obtidos. Considerar o nível de significância de 5% Eventos Frequência observada Frequência esperada
54 Teste Qui-quadrado Procedimento para aplicação do teste 1. A hipótese nula é de que o dado não é viciado. A Hipótese alternativa afirma haver discrepância 2. O nível de significância α = 5% 3. Teste Qui-quadrado com v = 5 graus de liberdade 4. Fixar a região crítica da tabela é 11, Calcular o valor χ 2 = = (O i E i ) 2 E i (25 20) (14 20) (12 20) (26 20) (23 20)2 20 = 8, Conclusão: como 8,5 11,070, não rejeitamos H 0. O dado não é viciado 54
55 Testes para Duas Amostras Emparelhadas Teste de McNemar Teste dos sinais Teste de Wilcoxon 55
56 Teste de McNemar Testar contagens ou proporções em duas amostras relacionadas a partir de variáveis binárias ou dicotômicas Tem como objetivo verificar se houve mudanças significativas de antes para depois da ocorrência de determinado evento Depois Antes a b + c d 56
57 Teste de McNemar Calculado com base no Qui-quadrado χ 2 = ( b c 1)2 b+c com 1 grau de liberdade 57
58 Teste de McNemar Exemplo: um grupo de 60 estudantes do terceiro ano do ensino médio, a maioria (40 alunos) estava indecisa sobre o curso superior, enquanto o restante (20 alunos) não tinham dúvidas Todos os estudantes assistiram a uma palestra sobre direcionamento de carreira Verifique a hipótese de que os alunos mudaram de opinião ao nível de 5% de significância 58
59 Teste de McNemar Antes Depois Total Total
60 Teste de McNemar Procedimento para aplicação do teste 1. A hipótese nula é de não houve mudança. A Hipótese alternativa significa que a opinião dos alunos mudou 2. O nível de significância α = 5% 3. Como o número é > 10 utilizar o teste de McNemar 4. Fixar a região crítica da tabela é 3,84 5. Calcular o valor χ 2 = ( b c 1)2 b + c = ( ) = 12, Conclusão: como 12,070 > 3,84, rejeitamos H 0. Houve mudança de opinião 60
61 Teste dos sinais Alternativa ao teste t para comparação de duas amostras dependentes, quando as hipóteses do teste t não se verificarem Utiliza os sinais + e em vez de medidas quantitativas Para cada par de observações, avalia se há uma alteração para mais (+), para menos ou negativa (-) ou nula (0) É aplicada a partir de variáveis ordinais Tem baixo poder, pois utiliza apenas a informação do sinal 61
62 Teste dos sinais Exemplo: em um grupo de 60 estudantes, verificouse o desempenho acadêmico antes e depois da prática regular de um exercício de concentração Os resultados mostram que 35 estudantes apresentaram melhora, 5 deles apresentaram piora e 20 não apresentaram alteração no desempenho Teste a hipótese de que o exercício tenha alterado o desempenho acadêmico dos 60 estudantes, ao nível de 5% de significância 62
63 Teste dos sinais Procedimento para aplicação do teste 1. A hipótese nula é de que o exercício não alterou o desempenho. A Hipótese alternativa significa houve alteração 2. O nível de significância α = 5% 3. Como o N p + N n > 25, normal padrão 4. Fixar a região crítica da tabela é 1,96 5. Calcular o valor z = min N p, N n 0,5(N p + N n ) + 0,5 5 0, ,5 = = 4,585 0,5 N p + N n 0, Conclusão: como -4,585 < -1,96, rejeitamos H 0. Houve alteração no desempenho 63
64 Teste de Wilcoxon Alternativa ao teste t para comparar duas médias populacionais a partir de amostras emparelhadas com determinado valor teórico Caso a variável seja contínua e apresente distribuição normal, deve-se utilizar o teste t de Student por ser mais potente Se a variável for ordinal ou até mesmo contínua, porém não apresentar distribuição normal, deve-se utilizar o teste de Wilcoxon Extensão do teste dos sinais, considerando o sinal e a magnitude da diferença dentro dos pares 64
65 Teste de Wilcoxon Determinar a diferença D i entre os escores de cada par Atribuir postos, ou seja, colocar em ordem crescente os valores de D i obtidos no item anterior sem considerar os sinais. No caso de empates, atribuir a média dos postos empatados Em cada posto, identificar o sinal de D i (+ ou -) que ele representa Determine N, o número de D i s não nulos Determinar S p e S n, que correspondem à soma dos postos com sinal positivo e negativo, respectivamente. Os valores críticos de S c para o teste de Wilcoxon encontram-se na tabela 1 do livro 65
66 Teste de Wilcoxon Para N 15 utilizar a tabela específica Para N > 15, considerar a distribuição normal padrão N(N + 1) min S p, S n z = 4 N(N + 1)(2N + 1) (t3 i t i )
67 Teste de Wilcoxon Exemplo: uma turma de 17 estudantes obteve nota baixa no vestibular em Esse grupo foi matriculado em um cursinho para futura aprovação no vestibular do ano seguinte. Testar a hipótese de que não houve diferença significativa nas notas entre os anos de 2006 e Considerar α = 5% 67
68 Teste de Wilcoxon Procedimento para aplicação do teste 1. A hipótese nula é de que não há diferenças nas notas entre os anos. A Hipótese afirma haver diferença 2. O nível de significância α = 5% 3. Como o N > 15, normal padrão 4. Fixar a região crítica da tabela é 1,96 5. Calcular o valor z = min S p, S n N(N + 1)(2N + 1) 24 N(N + 1) 4 (t3 i t i ) 48 = (2 3 2) 48 = 3, Conclusão: como -3,053 < -1,96, rejeitamos H 0. Há diferenças nas notas entre os anos 68
69 Teste para Duas Amostras Independentes Teste de Mann-Whitney 69
70 Teste de Mann-Whitney Testa se duas amostras independentes foram extraídas de populações com médias iguais É um dos testes não-paramétricos mais poderosos, sendo uma alternativa ao teste t para duas amostras independentes quando a amostra for pequena e/ou quando a hipótese de normalidade for violada A única exigência é que a variável deve ser medida em escala ordinal ou quantitativa 70
71 Teste de Mann-Whitney Estatística do teste (U N 1 N 2 /2) z = N 1 N 2 N(N 1) N 3 N 12 t3 i t i 12 71
72 Teste de Mann-Whitney Exemplo: 18 cursos de uma instituição de ensino foram divididos em 2 grupos. O primeiro grupo foi divulgado por folders e posters e o segundo grupo por mala-direta. Verifique se há diferença no volume de venda dos dois grupos Considere um nível de significância de 5% 72
73 Teste de Mann-Whitney Tem-se N 1 = 8, N 2 = 10, N = 18 Colocar os dados em ordem crescente por posição Tem-se que R 1 = 94 e R 2 = 77 Cálculo da estatística U 1 = N 1 N 2 + N 1 N R 2 1 = = 22 U 2 = N 1 N 2 + N 2 N R = = 58 2 U = min (U 1, U 2 ) =
74 Teste de Mann-Whitney Procedimento para aplicação do teste 1. A hipótese nula é de que não há diferenças entre os grupos. A Hipótese afirma haver diferença 2. O nível de significância α = 5% 3. Considerando a tabela para R 1 = 94, N 1 = 8 e N 2 = 10 é 0,0610, bilateral = 0, Fixar a região crítica da tabela é 1,64 5. Calcular o valor z = N 1 N 2 N(N 1) (U N 1 N 2 /2) N 3 N 12 t3 i t i 12 = ( /2) = 1, Conclusão: como 0,122 > 0,05, não rejeitamos H 0. No caso da normal padrão -1,64 1,601 1,64, não rejeitamos H 0 74
75 Testes para k Amostras Emparelhadas Teste Q de Cochran Teste de Friedman 75
76 Teste Q de Cochran Extensão do teste de McNemar para k amostras relacionadas, testando a hipótese de que três ou mais conjuntos emparelhados diferem entre si Os dados são categóricos (escala nominal) ou binários 76
77 Teste Q de Cochran Exemplo: avaliar a didática de três professores, para isso, um grupo de 15 alunos é submetido a três cursos, cada um deles ministrado por um dos 3 professores avaliados. Os alunos analisam se o curso foi bom (escore 1) ou ruim (escore 0) Verifique a hipótese de que a probabilidade de uma boa avaliação por parte dos alunos é a mesma para os três cursos Considerar um nível de significância de 5% 77
78 Teste Q de Cochran Procedimento para aplicação do teste 1. A hipótese nula é de que a probabilidade de sucesso é a mesma para os três professores. A Hipótese afirma haver diferenças 2. O nível de significância α = 5% 3. Escolher o teste Q de Cochram 4. Para um nível de significância e 2 graus de liberdade, a tabela Quiquadrado é 5,99 5. Calcular o valor Q = (K 1) K G2 j G j K L i L 2 i 2 = 3 1 [ ] Conclusão: como 7,091 > 5,99, rejeitamos H 0. Há diferença na avaliação por parte dos alunos = 7,091 78
79 Teste de Friedman Variáveis ordinais ou quantitativas Testa a hipótese de k amostras emparelhadas serem provenientes da mesma população, sendo uma alternativa á ANOVA quando o tamanho da amostra for pequeno ou as suposições exigidas pela ANOVA (normalidade e igualdade de variância) forem violadas, ou, ainda, quando a variável estiver em escala ordinal Para k = 2 o teste equivale ao teste de Wilcoxon 79
80 Teste de Friedman Exemplo: em um ensaio com 45 pacientes obesos, buscou-se avaliar o efeito de três dietas alimentares (dieta sanguínea, dieta dos carboidratos e dieta dos pontos), durante um período de 60 dias em um SPA Em cada quarto há três pacientes, de modo aleatório, onde cada paciente faz um dieta Verificar ao nível de 5% de significância, se a redução de peso é igual para as três dietas 80
81 Teste de Friedman Procedimento para aplicação do teste 1. A hipótese nula é de que a redução de peso é igual para as três dietas. A Hipótese afirma que a redução depende da dieta 2. O nível de significância α = 5% 3. Escolher o teste de Friedman 4. Para um nível de significância e 2 graus de liberdade, como k =3 e N = 15, a tabela Qui-quadrado é 5, Calcular o valor F = 12 (R i) 2 3N 2 k(k + 1) 2 Nk k Nk (k 1) = 9,750 t3 ij = 12 38, , ( ) Conclusão: como 9,750> 5,99, rejeitamos H 0. Há diferenças na redução por dieta 81
82 Teste para k Amostras Independentes Teste de Kruskal-Wallis 82
83 Teste de Kruskal-Wallis Verifica a probabilidade de que k amostras (k > 2) independentes sejam provenientes da mesma população Deve ser aplicado nos casos em que a amostra for pequena e/ou as suposições exigidas pela ANOVA forem violadas A variável utilizada no teste deve ser medida em escala ordinal ou quantitativa Para k = 2 o teste é equivalente ao teste Mann- Whitney 83
84 Teste de Kruskal-Wallis Exemplo: um grupo de 36 pacientes com distúrbios de tireóide com o mesmo grau de risco foi submetido a três tipos de tratamento (A, B e C). Ao final do tratamento, cada paciente fez uma série de exames, resultado em uma classificação que varia entre 5 e 19, em que a categoria 5 significa nenhuma alteração e a categoria 19 significa altíssima alteração Verificar se os três tratamentos conduzem a resultados iguais Considerar nível de significância de 1% 84
85 Teste de Kruskal-Wallis Procedimento para aplicação do teste 1. A hipótese nula é de que os tratamentos têm a mesma distribuição. A Hipótese que os tratamentos não têm a mesma distribuição 2. O nível de significância α = 1% 3. Como N 1, N 2, N 3 > 5, escolher Qui-quadrado 4. Para um nível de significância e 2 graus de liberdade, a tabela Qui-quadrado é 9,210 85
86 Teste de Kruskal-Wallis Procedimento para aplicação do teste 5. Calcular o valor 12 R 2 i H = 3 N 1 N (N + 1) N i = = 22, Como há grupos empatados H H = 1 (t3 i t i ) (N 3 N) = 22, ( ) = 22, Conclusão: como 22,969> 9,210, rejeitamos H 0. Há diferenças nas distribuições das amostras 86
87 Obrigado pela Atenção!!! Até a próxima aula mbotelho@usp.br 87
Métodos Quantitativos Aplicados
Métodos Quantitativos Aplicados Aula 6 http://www.iseg.utl.pt/~vescaria/mqa/ Tópicos apresentação Análise de dados bivariada: os casos dos testes de proporções para duas amostras independentes e emparelhadas
Leia maisVariância pop. * conhecida Teste t Paramétrico Quantitativa Distribuição normal Wilcoxon (teste dos sinais, Wilcoxon p/ 1 amostra)
Testes de Tendência Central (média, mediana, proporção) Classificação Variável 1 Variável 2 Núm ero Gru pos Dependência Teste Z Paramétrico Quantitativa - 1 - Premissas Variância pop. * conhecida Teste
Leia maisUniversidade Federal do Pará Instituto de Ciências Exatas e Naturais Faculdade de Estatística Bacharelado em Estatística
Universidade Federal do Pará Instituto de Ciências Exatas e Naturais Faculdade de Estatística Bacharelado em Estatística Disciplina: Estatística Aplicada Professores: Héliton Tavares e Regina Tavares Aluna:
Leia maisEstatística aplicada a ensaios clínicos
Estatística aplicada a ensaios clínicos RAL - 5838 Luís Vicente Garcia lvgarcia@fmrp.usp.br Faculdade de Medicina de Ribeirão Preto Estatística aplicada a ensaios clínicos aula 12 1 grupo 2 grupos > 2
Leia maisStela Adami Vayego Estatística II CE003/DEST/UFPR
Resumo 1 Teste de hipóteses não paramétricos Os métodos não-paramétricos fazem poucas suposições sobre a natureza das distribuições dos dados. Não exige que as distribuições nas populações sejam normais,
Leia maisEscolha dos testes INTRODUÇÃO À BIOESTATÍSTICA QUANTIFICAÇÃO DOS GRUPOS DO ESTUDO PESQUISA INFERÊNCIA ESTATÍSTICA TESTE DE HIPÓTESES E
Escolha dos testes INTRODUÇÃO À BIOESTATÍSTICA Determinada a pergunta/ hipótese Recolhidos os dados Análise descritiva = Estatística descritiva QUAIS TESTES ESTATÍSTICOS DEVEM SER REALIZADOS?? PROFESSORA:
Leia maisStela Adami Vayego DEST/UFPR
Resumo 1 Testes de hipóteses não paramétricos Os métodos não-paramétricos fazem poucas suposições sobre a natureza das distribuições dos dados. Não exige que as distribuições nas populações sejam normais,
Leia maisÍNDICE. Variáveis, Populações e Amostras. Estatística Descritiva PREFÁCIO 15 NOTA À 3ª EDIÇÃO 17 COMO USAR ESTE LIVRO? 21 CAPÍTULO 1 CAPÍTULO 2
COMO USAR ESTE LIVRO ÍNDICE PREFÁCIO 15 NOTA À 3ª EDIÇÃO 17 COMO USAR ESTE LIVRO? 21 CAPÍTULO 1 Variáveis, Populações e Amostras 1.1. VARIÁVEIS ESTATÍSTICAS E ESCALAS DE MEDIDA 27 1.2. POPULAÇÃO VS. AMOSTRA
Leia maisTestes para dados categóricos
Testes para dados categóricos Teste de homogeneidade Objetivo: testar se existe diferença entre frequências observadas (O ij ) e frequências esperadas (E ij ). Dados amostrais: amostras aleatórias independentes
Leia maisESTATÍSTICA NÃO-PARAMÉTRICA Aula 5
ESTATÍSTICA NÃO-PARAMÉTRICA Aula Prof. Dr. Edmilson Rodrigues Pinto Faculdade de Matemática - UFU edmilson@famat.ufu.br Caso de amostras relacionadas O obetivo principal desses testes é comprovar a hipótese
Leia maisEstimação e Testes de Hipóteses
Estimação e Testes de Hipóteses 1 Estatísticas sticas e parâmetros Valores calculados por expressões matemáticas que resumem dados relativos a uma característica mensurável: Parâmetros: medidas numéricas
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. http://www.mat.ufrgs.br/viali/ viali@mat.ufrgs.br Os testes O teste Q de Cochran; O teste de Friedman (Análise de variância de duplo fator por postos) William Gemmell Cochran (1909-1980)
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. http://www.mat.ufrgs.br/viali/ viali@mat.ufrgs.br Testes não-paramétricos Um teste não paramétrico testa outras situações que não parâmetros populacionais. Estas situações podem ser
Leia maisOs testes. Objetivos. O teste Q de Cochran; O teste de Friedman (Análise de variância de duplo fator por postos)
Prof. Lorí Viali, Dr. http://www.mat.ufrgs.br/viali/ viali@mat.ufrgs.br Os testes O teste Q de Cochran; O teste de Friedman (Análise de variância de duplo fator por postos) William Gemmell Cochran (1909-1980)
Leia maisPOPULAÇÃO X AMOSTRA INTRODUÇÃO À BIOESTATÍSTICA TIPOS DE VARIÁVEIS CLASSIFICAÇÃO DAS VARIÁVEIS CLASSIFICAÇÃO DAS VARIÁVEIS 1) TIPOS DE VARIÁVEIS
POPULAÇÃO X AMOSTRA INTRODUÇÃO À BIOESTATÍSTICA População (N) representa o conjunto de todas as unidades experimentais que apresentam características em comum Amostra (n) representa uma parte do todo.
Leia maisPor que testes não-paramétricos?
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Métodos Estatísticos Avançados em Epidemiologia Aula 3 Testes Não-Paramétricos: Wilcoxon Mann-Whitney Kruskal-Wallis
Leia maisCE001 - BIOESTATÍSTICA TESTE DO QUI-QUADRADO
CE001 - BIOESTATÍSTICA TESTE DO QUI-QUADRADO Ana Paula Araujo Correa Eder Queiroz Newton Trevisan DEFINIÇÃO É um teste de hipóteses que se destina a encontrar um valor da dispersão para duas variáveis
Leia mais7 Teste de Hipóteses
7 Teste de Hipóteses 7-1 Aspectos Gerais 7-2 Fundamentos do Teste de Hipóteses 7-3 Teste de uma Afirmação sobre a Média: Grandes Amostras 7-4 Teste de uma Afirmação sobre a Média : Pequenas Amostras 7-5
Leia maisOs testes. O teste de McNemar O teste de Wilcoxon O teste do sinais
Prof. Lorí Viali, Dr. http://www.mat.ufrgs.br/viali/ viali@mat.ufrgs.br Os testes O teste de McNemar O teste de Wilcoxon O teste do sinais O teste de McNemar para a significância de mudanças é aplicável
Leia maisStela Adami Vayego DEST/UFPR
Testes de hipóteses não paramétricos Os métodos não-paramétricos fazem poucas suposições sobre a natureza das distribuições dos dados. Não exige que as distribuições nas populações sejam normais, nem são
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. http://www.mat.ufrgs.br/viali/ viali@mat.ufrgs.br Os testes O teste de Kruskal-Wallis (Análise de variância de uma classificação por postos) O teste qui-quadrado William Henry Kruskal
Leia maisInvestigação Aplicada I
Investigação Aplicada I Aula 7 1º Semestre 2016/17 Licenciatura em Ciências Biomédicas Laboratoriais igrodrigues@ualg.pt; ESSUAlg: gabinete 2.06 Prof. Inês Rodrigues Inferência esta-s.ca Inferir dados
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Teste Qui-quadrado Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Teste Qui-quadrado É um teste não paramétrico, pois independe dos parâmetros
Leia maisDE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA)
1. Sabe-se que o nível de significância é a probabilidade de cometermos um determinado tipo de erro quando da realização de um teste de hipóteses. Então: a) A escolha ideal seria um nível de significância
Leia mais1 Que é Estatística?, 1. 2 Séries Estatísticas, 9. 3 Medidas Descritivas, 27
Prefácio, xiii 1 Que é Estatística?, 1 1.1 Introdução, 1 1.2 Desenvolvimento da estatística, 1 1.2.1 Estatística descritiva, 2 1.2.2 Estatística inferencial, 2 1.3 Sobre os softwares estatísticos, 2 1.4
Leia maisAnálise da Variância. Prof. Dr. Alberto Franke (48)
Análise da Variância Prof. Dr. Alberto Franke (48) 91471041 Análise da variância Até aqui, a metodologia do teste de hipóteses foi utilizada para tirar conclusões sobre possíveis diferenças entre os parâmetros
Leia maisTestes de Hipóteses Não Paramétricos. Rita Brandão (Univ. Açores) Testes de hipóteses não paramétricos 1 / 48
Testes de Hipóteses Não Paramétricos Rita Brandão (Univ. Açores) Testes de hipóteses não paramétricos 1 / 48 Testes de Hipóteses Não Paramétricos:Introdução Nos testes de hipóteses não paramétricos não
Leia maisCapítulo 6 Estatística não-paramétrica
Capítulo 6 Estatística não-paramétrica Slide 1 Teste de ajustamento do Qui-quadrado Testes de independência e de homogeneidade do Qui-quadrado Testes dos sinais e de Wilcoxon Teste de Mann-Whitney Teste
Leia maisTeste de Hipóteses Paramétricos
Teste de Hipóteses Paramétricos Fundamentos de um teste de hipóteses Como construir testes de hipóteses para uma média. Como construir testes de hipóteses para uma proporção. Como construir testes de hipóteses
Leia maisESTATÍSTICA Distribuições qui-quadrado, t de Student e F de Snedecor Lucas Schmidt
ESTATÍSTICA Distribuições qui-quadrado, t de Student e F de Snedecor Lucas Schmidt lucas.breniuk@hotmail.com Estimação de parâmetros Média Variância Proporção Estimação de parâmetros Média: " estimador
Leia maisTópicos Extras 1ª parte. Testes Não Paramétricos, Análise Multivariada, Outras Técnicas
Tópicos Extras 1ª parte Testes Não Paramétricos, Análise Multivariada, Outras Técnicas 1 2 Técnicas de dependência 3 4 Situações Comparar 3 tipos de rede de computadores, C1, C2 e C3, em termos do tempo
Leia maisTESTES NÃO-PARAMÉTRICOS
Les-0773: ESTATÍSTICA APLICADA III TESTES NÃO-PARAMÉTRICOS AULA 2 19/05/17 Prof a Lilian M. Lima Cunha Maio de 2017 REVISÃO... Medida de posição central (ou tendência central): Média Média simples: soma
Leia maisAULA 05 Teste de Hipótese
1 AULA 05 Teste de Hipótese Ernesto F. L. Amaral 03 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução
Leia maisMétodos Estatísticos Avançados em Epidemiologia
1 / 44 Métodos Estatísticos Avançados em Epidemiologia Análise de Variância - ANOVA Referência: Cap. 12 - Pagano e Gauvreau (2004) - p.254 Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 2 / 44
Leia maisIntrodução à Bioestatística
Instituto Nacional de Cardiologia February 23, 2015 1 Conforme visto anteriormente, a média não é uma boa estatística para dados ordinais Em alguns casos, transformar uma variável que não possui distribuição
Leia maisAULA 07 Inferência a Partir de Duas Amostras
1 AULA 07 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 10 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola,
Leia maisApontamentos de Introdução às Probabilidades e à Estatística
i Índice 7. Estimação 1 7.1. Estimação pontual 1 7.1.1. Propriedades dos estimadores 1 7.1.2. Métodos de estimação 4 7.1.2.1. Método dos momentos 4 7.1.2.2. Método da máxima verosimilhança 5 7.1.3. Exemplos
Leia maisRazão para rejeitar H 0
Processo do teste de hipótese Hipótese de pesquisa: a idade média da população é 5 H : μ = 5 H 1 : μ 5 É X = improvável se μ =5? População Selecionar amostra aleatória Sim: Rejeite Ho Para definir pouco
Leia maisDelineamento e Análise Experimental Aula 3
Aula 3 Castro Soares de Oliveira Teste de hipótese Teste de hipótese é uma metodologia estatística que permite tomar decisões sobre uma ou mais populações baseando-se no conhecimento de informações da
Leia maisTestes de Hipóteses Não Paramétricos
ACH4513 INFERÊNCIA ESTATÍSTICA 2º Sem/2017 Testes de Hipóteses Não Paramétricos Prof. Marcelo S. Lauretto marcelolauretto@usp.br www.each.usp.br/lauretto Referência: W.O.Bussab, P.A.Morettin. Estatística
Leia maisPROBABILIDADE E ESTATÍSTICA INFERÊNCIA ESTATÍSTICA Parte II
PROBABILIDADE E ESTATÍSTICA INFERÊNCIA ESTATÍSTICA Parte II Prof.ª Sheila Regina Oro Projeto Recursos Educacionais Digitais Autores: Bruno Baierle e Maurício Furigo TESTE PARA UMA PROPORÇÃO H0: p = p 0
Leia maisCapítulo 4 Inferência Estatística
Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a diferença de
Leia maisInferência a partir de duas amostras
Inferência a partir de duas amostras Inferência a partir de duas amostras. Inferência sobre duas médias: amostras dependentes. Inferência sobre duas médias: amostras grandes e independêntes 3. Comparação
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisBioestatística. Mestrado Saúde Materno Infantil 2005 Prof. José Eulálio Cabral Filho
Bioestatística Mestrado Saúde Materno Infantil 2005 Prof. José Eulálio Cabral Filho Medidas de Dispersão Desvio padrão Medida da variabilidade dos valores em torno da média. ( xi DP= n 1 x) 2 É mais fiel
Leia mais6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA
6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA 2019 Problemas de inferência Inferir significa fazer afirmações sobre algo desconhecido. A inferência estatística tem como objetivo fazer afirmações sobre uma característica
Leia maisInstituto Federal Goiano
ANOVA Não Instituto Federal Goiano Conteúdo 1 2 3 Estatística não Em geral os métodos são simples e versáteis Há pouca ou nenhuma especicação ou exigência acerca dos parâmetros da população da qual a amostra
Leia mais16/6/2014. Teste Qui-quadrado de independência
UNIVERSIDADE FEDERAL DA PARAÍBA TESTES NÃO- PARAMÉTRICOS Parte I Prof. Luiz Medeiros Departamento de Estatística Teste Qui-quadrado de independência Um dos principais objetivos de se construir uma tabela
Leia maisDelineamento e Análise Experimental Aula 4
Aula 4 Castro Soares de Oliveira ANOVA Significativa Quando a aplicação da análise de variância conduz à rejeição da hipótese nula, temos evidência de que existem diferenças entre as médias populacionais.
Leia mais1. Conceitos básicos de estatística Níveis de medição Medidas características de distribuições univariadas 21
OS SABERES INDISPENSÁVEIS 7 Índice Prefácio 13 Capítulo 1 Os Saberes Indispensáveis 1. Conceitos básicos de estatística 17 1.1. Níveis de medição 18 1.2. Medidas características de distribuições univariadas
Leia maisUnidade IV Inferência estatística
6//5 Unidade IV Inferência estatística 4.. Introdução e histórico 4.. Conceitos fundamentais 4.3. Distribuições amostrais e Teorema central do limite 4.4. Estimação de parâmetros 4.5. Testes de hipóteses
Leia maisBIOESTATÍSTICA. Parte 5 Testes de Hipóteses
BIOESTATÍSTICA Parte 5 Testes de Hipóteses Aulas Teóricas de 05/05/2011 a 19/05/2011 5.1. Conceito de erro, estatística de teste, região de rejeição, nível de significância, valor de prova, potência do
Leia maisEstatística Aplicada
Estatística Aplicada Testes de Hipóteses Professor Lucas Schmidt www.acasadoconcurseiro.com.br Estatística Aplicada TESTES DE HIPÓTESES Inferência estatística: tomar decisões sobre a população com base
Leia maisAjustar Técnica usada na análise dos dados para controlar ou considerar possíveis variáveis de confusão.
Glossário Ajustar Técnica usada na análise dos dados para controlar ou considerar possíveis variáveis de confusão. Análise de co-variância: Procedimento estatístico utilizado para análise de dados que
Leia maisEstatística de Teste: Decisão: p α Rejeita-se H 0. Hipóteses: Ǝ i,j σ 1 σ 2 i,j=1,,k. Estatística de Teste: Decisão: p >α Não se rejeita H 0
Normalidade: H 0: Y i~n(µ i, σ i) H 1: Y i N(µ i, σ i) (i=1,,k) Estatística de Teste: (p=valor p-value) Se n < 50 Teste Shapiro-Wild Se n > 50 Teste Kolmogorov-Smirnov Homogeneidade p α Rejeita-se H 0
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia maisBioestatística Básica RCA 5804 COMPARANDO GRUPOS INDEPENDENTES. Prof. Dr. Alfredo J Rodrigues
Bioestatística Básica RCA 5804 COMPARANDO GRUPOS INDEPENDENTES Prof. Dr. Alfredo J Rodrigues Departamento de Cirurgia e Anatomia Faculdade de Medicina de Ribeirão Preto Universidade de São Paulo alfredo@fmrp.usp.br
Leia maisAULA 04 Teste de hipótese
1 AULA 04 Teste de hipótese Ernesto F. L. Amaral 03 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal
Leia maisTestes de Hipóteses Paramétricos
Testes de Hipóteses Paramétricos Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução Exemplos Testar se mais de metade da população irá consumir um novo produto
Leia maisTESTES DE HIPÓTESES. Conceitos, Testes de 1 proporção, Testes de 1 média
TESTES DE HIPÓTESES Conceitos, Testes de 1 proporção, Testes de 1 média 1 Testes de Hipóteses População Conjectura (hipótese) sobre o comportamento de variáveis Amostra Decisão sobre a admissibilidade
Leia maisTestes de Hipóteses Paramétricos
Testes de Hipóteses Paramétricos Departamento de Matemática Escola Superior de Tecnologia de Viseu (DepMAT ESTV) Testes de Hipóteses Paramétricos 1 / 41 Introdução. Hipóteses Estatísticas. Erro Tipo I
Leia maisConceitos centrais em análise de dados
Conceitos centrais em análise de dados Conceitos básicos em Estatística Estatística Ciência que tem por objetivo orientar a coleta, o resumo, a apresentação, a análise e a interpretação dos dados. Divide-se
Leia maisEstatística Analítica
Teste de Hipótese Testes Estatísticos 2 Teste de Hipótese Testes Estatísticos 3 1 Teste de Hipótese Testes Estatísticos 4 Principais Testes: Teste Qui-quadrado Teste T de Student Teste ANOVA Teste de Correlação
Leia maisTESTES NÃO PARAMÉTRICOS (para mediana/média)
MAE212: Introdução à Probabilidade e à Estatística II - Profas. Beti e Chang (2012) 1 TESTES NÃO PARAMÉTRICOS (para mediana/média) Os métodos de estimação e testes de hipóteses estudados até agora nessa
Leia mais6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA
6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA 214 Problemas de inferência Inferir significa fazer afirmações sobre algo desconhecido. A inferência estatística tem como objetivo fazer afirmações sobre uma característica
Leia mais6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA
6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA 21 Problemas de inferência Inferir significa fazer afirmações sobre algo desconhecido. A inferência estatística tem como objetivo fazer afirmações sobre uma característica
Leia maisConceitos Básicos Teste t Teste F. Teste de Hipóteses. Joel M. Corrêa da Rosa
2011 O 1. Formular duas hipóteses sobre um valor que é desconhecido na população. 2. Fixar um nível de significância 3. Escolher a Estatística do Teste 4. Calcular o p-valor 5. Tomar a decisão mediante
Leia maisTeste de hipóteses para proporção populacional p
Teste de hipóteses para proporção populacional p 1 Métodos Estatísticos Métodos Estatísticos Estatística Descritiva Inferência Estatística Estimação Teste de Hipóteses 2 TESTE DE HIPÓTESES Eu acredito
Leia maisTESTE DE MANN-WHITNEY
TESTE DE MANN-WHITNEY A importância deste teste é ser a alternativa não paramétrica ao teste t para a diferença de médias. Sejam (X,X,...,X n ) e (Y,Y,...,Y m ) duas amostras independentes, de tamanhos
Leia maisCapítulo 11 Análise da Variância. Statistics for Managers Using Microsoft Excel, 5e 2008 Prentice-Hall, Inc. Chap 11-1
Capítulo 11 Análise da Variância Statistics for Managers Using Microsoft Excel, 5e 2008 Prentice-Hall, Inc. Chap 11-1 Objetivos do Aprendizado Neste capítulo você aprenderá: Os conceitos básicos da modelagem
Leia maisPHD 5742 Estatística Aplicada ao Gerenciamento dos Recursos Hídricos. 6 a aula Testes de Hipóteses
PHD 5742 Estatística Aplicada ao Gerenciamento dos Recursos Hídricos 6 a aula Testes de Hipóteses Mario Thadeu Leme de Barros Luís Antonio Villaça de Garcia Abril / 2007 Estatística Aplicada ao Gerenciamento
Leia maisAula 7. Testes de Hipóteses Paramétricos (II)
Aula 7. Testes de Hipóteses Paramétricos (II) Métodos Estadísticos 008 Universidade de Averio Profª Gladys Castillo Jordán IC e TH para comparação de valores médios µ X e µ Y de duas populações Normais.
Leia maisAula 7. Testes de Hipóteses Paramétricos (II)
Aula 7. Testes de Hipóteses Paramétricos (II) Métodos Estadísticos 008 Universidade de Averio Profª Gladys Castillo Jordán IC e TH para comparação de valores médios µ X e µ Y de duas populações Normais.
Leia maisEstatística. Nos exercícios que se seguem, e caso seja necessário, considere que os pressupostos necessários à aplicação da ANOVA são verificados.
INSTITUTO SUPERIOR POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA Ano Lectivo 007/008 Estatística Ficha n.º Nos exercícios que se seguem, e caso seja necessário, considere que os pressupostos necessários
Leia maisBioestatística e Computação II
Bioestatística e Computação II Testes de Hipótese não Paramétricos Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Pós Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baseado nas aulas
Leia maisTestes de Hipótese para uma única Amostra - parte II
Testes de Hipótese para uma única Amostra - parte II 2012/02 1 Teste para média com variância conhecida 2 3 Objetivos Ao final deste capítulo você deve ser capaz de: Testar hipóteses para média de uma
Leia maisTESTES NÃO-PARAMÉTRICOS
Les-0773: ESTATÍSTICA APLICADA III TESTES NÃO-PARAMÉTRICOS AULA 3 26/05/17 Prof a Lilian M. Lima Cunha Maio de 2017 Revisão... Teste dos Sinais A Comparar valores de medianas de uma amostra com um valor
Leia maisSUMÁRIO. Prefácio, Espaço amostrai, Definição de probabilidade, Probabilidades finitas dos espaços amostrais fin itos, 20
SUMÁRIO Prefácio, 1 3 1 CÁLCULO DAS PROBABILIDADES, 15 1.1 Introdução, 15 1.2 Caracterização de um experimento aleatório, 15 1.3 Espaço amostrai, 16 1.4 Evento, 17 1.5 Eventos mutuamente exclusivos, 17
Leia maisTestes de Aderência, Homogeneidade e Independência
Testes de Aderência, Homogeneidade e Independência Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais O que é um teste de hipótese? Queremos saber se a evidência que temos em mãos significa
Leia maisTestes de Hipóteses. Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM
Testes de Hipóteses Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM Testes de hipóteses O Teste de Hipótese é uma regra de decisão para aceitar ou rejeitar uma hipótese
Leia maisDelineamento e Análise Experimental Aula 6. Anderson Castro Soares de Oliveira
Aula 6 Castro Soares de Oliveira Transformação de dados A análise dos resultados de um experimento é boa quando as pressuposições do modelo são atendidas: Os erros do modelo tem média zero e variância
Leia maisEstimação parâmetros e teste de hipóteses. Prof. Dr. Alberto Franke (48)
Estimação parâmetros e teste de hipóteses Prof. Dr. Alberto Franke (48) 91471041 Intervalo de confiança para média É um intervalo em que haja probabilidade do verdadeiro valor desconhecido do parâmetro
Leia maisESCOLHA DO TESTE ESTATÍSTICO
Curso de Medicina Veterinária ECOLHA DO TETE ETATÍTICO Prof. Adjunto Paulo César Ciarlini ciarlini@fmva.unesp.br inutilidadeson.blogspot.com UEP CICLO DO MÉTODO CIETÍFICO UEP Observação crítica de fatos
Leia maisEstatística Não Paramétrica
Estatística Não Paramétrica Como construir testes de hipóteses para uma amostra Como construir testes de hipóteses para duas amostras dependentes Como construir testes de hipóteses para duas amostras independentes
Leia maisTestes de hipóteses Paramétricos
Testes de hipóteses Paramétricos Modelos de análise de variância com um factor Teste de Bartlett Teste de comparações múltiplas de Scheffé Rita Brandão (Univ. Açores) Testes de hipóteses Paramétricos 1
Leia maisAULA 8 Experimentos multinomiais e tabelas de contingência
1 AULA 8 Experimentos multinomiais e tabelas de contingência Ernesto F. L. Amaral 05 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas
Leia maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 3 4 5 6 7 8 9 10 11 1 13 14 15 e 16 Introdução à probabilidade (eventos,
Leia maisTestes de hipóteses. Wagner H. Bonat Fernando P. Mayer Elias T. Krainski
Testes de hipóteses Wagner H. Bonat Fernando P. Mayer Elias T. Krainski Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 07/06/2018 WB, FM, EK ( LEG/DEST/UFPR
Leia maisPlanejamento de Experimentos Introdução - Teste t
1/22 Planejamento de Experimentos Introdução - Teste t Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG 2/22 Introdução - Planejamento de Experimentos Experimento:
Leia maisJosé Aparecido da Silva Gama¹. ¹Professor do Instituto Federal de Educação, Ciência e Tecnologia de Alagoas.
Estudo e Aplicação dos Testes de Hipóteses Paramétricos e Não Paramétricos em Amostras da Estação Fluviométrica Três Maria (MG) da bacia Hidrográfica do Rio São Francisco José Aparecido da Silva Gama¹
Leia maisX ~ Binomial (n ; p) H: p = p 0 x A: p p 0 (ou A: p > p 0 ou A: p < p 0 ) { X k 1 } U { X k 2 } (ou { X k } ou { X k }) x RC não rejeitamos H
NOÇÕES DE TESTE DE HIPÓTESES (II) Nível Descritivo valor P Resumo X ~ Binomial (n ; p) (1) Estabelecer as hipóteses sobre p: H: p = p 0 x A: p p 0 (ou A: p > p 0 ou A: p < p 0 ) (2) Escolher um nível de
Leia maisProf. Lorí Viali, Dr. Mat2282 Análise Estatística Não Paramétrica
Prof. Lorí Viali, Dr. http://www.pucrs.br/~viali/ viali@pucrs.br Objetivos Testar o valor hipotético de um parâmetro (testes paramétricos) ou de relacionamentos ou modelos (testes não paramétricos). Envolvem
Leia maisEXPERIMENTAÇÃO AGRÁRIA
EXPERIMENTAÇÃO AGRÁRIA Tema : Delineamentos experimentais básicos (DCC/DBCC/DQL) Delineamento Completamente 1. Quando usar? Casualizado (DCC) Este delineamento é usado quando as unidades experimentais
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Introdução Hipóteses Estatísticas São suposições quanto ao valor de um parâmetro populacional
Leia maisOs testes. Objetivo. O teste de Kruskal-Wallis (Análise de variância de uma classificação por postos) O teste qui-quadrado
Pro. Lorí Viali, Dr. http://www.mat.urgs.br/viali/ viali@mat.urgs.br Os testes O teste de Kruskal-Wallis (Análise de variância de uma classiicação por postos) O teste qui-quadrado William Henry Kruskal
Leia maisMINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC) Profª Railene Hérica Carlos Rocha 1. Introdução
Leia maisEstatística Não Paramétrica. Como construir testes de aderência
Estatística Não Paramétrica Como construir testes de aderência Teste Qui-quadrado Suposições amostra aleatória Dados nominais (sexo: M ou F) ou numéricos (idade: menor que 15, 15-24, 25-34, 35-44, 45-54,
Leia mais